基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。     

边角网平差中方差分量估计改进算法

基于单位权中误差的先验估值与验后估值一致,对边角网提出一种改进的赫尔默特方差分量估计算法,该算法可直接计算角度和边长的方差分量估值,克服了原公式计算过程繁琐、占有内存量大的不足,通过采用Newton法进行迭代计算,收敛效果好,算例表明该方法是有效的。     

基于转换图谱算法的地面坡度统计误差校正研究

以济南市南部山区为试验区,探讨在ArcGIS中进行DEM总体精度计算的方法,并分析不同比例尺DEM对地面坡度分级统计的影响。为有效校正地面坡度分级统计的误差,构建高精度的1∶2 000地面坡度与1∶1万地面坡度的"地面坡度转换图谱"。在此基础上根据回归统计得出各级别对应的二次拟合曲线,校正能够大幅度提高地面坡度统计的精度。     

RBF网络在地质样品非线性基体效应校正中的应用

基于RBF(Radial Basis Function)网络的正交最小平方算法,对攀枝花地质样品进行动态非线性基体效应校正.首先采用EDXRF仪器对样品进行测量,并对样品的荧光计数进行归一化,设计出自动分类模型和动态非线性数据基体效应校正模型的二级串联结构,用自组织神经网络(SOFM)进行分类,然后用RBF网络预测了未知样品元素Ti的百分含量.结果表明:对所预测样本的Ti的百分含量与化学分析相比的误差均小于0.5%.由此可见,用RBF方法可以有效地对地质样品进行非线性基体效应校正,能够达到工矿生产的要求.     

水准测量精度提高浅议

水准测量是水文站的基本工作,是确定水准点、水尺零点、大断面高程的常用方法,水准测量对于水文工作者来说是十分重要的,在测验工作中发挥着不可替代的作用,水准测量的精确与否,直接影响水文站的资料质量。因此,有必要分析水准测量的误差,找出控制纠正的方法,避免错误的出现,保证水文站的日常观测。     

基于整体最小二乘法的线性回归建模和解法

对基于自变量和因变量误差的回归问题进行了进一步研究,证明了两种方法的实质并未解决同时考虑自变量和因变量的误差问题,其解算结果和不考虑自变量误差的解算结果完全相同.给出了能同时顾及自变量和因变量误差的新的回归模型,并推导了具体的解算方法.算例结果和基于矩阵分解的整体最小二乘法解算方法的结果相同,说明了本文方法的正确性.     

GPS伪卫星的组合定位技术及其误差分析

介绍了GPS伪卫星组合定位的观测模型,详细论述了GPS伪卫星组合定位中存在的误差源,并对各误差源的消除方法进行了分析。     

浅谈工程测量学的发展

对工程测量学的地位和应用领域,通用和专用仪器的发展,在理论和实践上进行了归纳和总结。简要地叙述了工程测量在国内外的发展情况及其发展趋势。     

矿区控制网布网方案的选择

用计算机模拟法,讨论了控制网不同观测量的平差结果,提出了选择矿区控制网方案的原则.     

空域法恢复CHAMP重力场的误差分析

空域法是CHAMP重力场恢复的常用方法之一,本文针对空域法中的延拓误差和格网化误差展开讨论。结果表明：延拓误差中的截断误差部分影响量级约0．001m^2／s^2（均方误差意义下）,最大误差仅为0．11m^2／s^2,可完全忽略;延拓误差中的参考重力场模型误差影响随参考场选取的不同而有所差异,整体而言小于0．1m^2／s^2,但最大误差可达1．3m^2／s^2,采用高精度的参考重力场模型能大大减小延拓误差影响。对于CHAMP卫星而言,延拓计算中,参考重力场模型的阶数取60阶便可满足精度要求。目前最常用的格网化方法包括加权平均方法和最小二乘配置方法,计算表明,利用30天的CHAMP数据进行2°×2°格网化处理,加权平均法的格网化误差在0．13m^2／s^2量级,最大误差可达1．58m^2／s^2,而最小二乘配置法的格网化误差在0．006m^2／s^2量级,最大误差仅为0．15m^2／s^2,明显优于加权平均法。